MétaCan
Menu
Retour à la cohorte
Enregistrement W4361280157 · doi:10.5430/wjel.v13n5p251

Language Learning Strategies from the Perspective of Learning Context

2023· article· en· W4361280157 sur OpenAlexvenueno aff
Xiaoyu Pei

Notice bibliographique

RevueWorld Journal of English Language · 2023
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueEFL/ESL Teaching and Learning
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContext (archaeology)Active listeningPerspective (graphical)Language acquisitionLanguage learning strategiesReading (process)PsychologyMathematics educationComputer scienceLinguisticsArtificial intelligenceCommunicationMetacognitionCognition

Résumé

récupéré en direct d'OpenAlex

Learning context, as an important influence on language learning strategy (LLS), has received more attention in recent years. For the purpose of better strategy choices in different learning contexts and language achievements, this study investigated LLS from the perspective of learning context. Participants were 44 doctoral students recruited in ESL learning context (the US) and EFL learning context (China). Data were gathered through a mixed-methods research design with the use of the Language Strategy Use Inventory (LSUI). The results showed that the participants in both learning contexts reported to use similar LLSs in terms of listening, speaking, reading and writing. However, some strategies were used significantly more often in one learning context than the other (e.g., Imitate the way native speakers talk was used more often in ESL context; Switch back to my own language momentarily if I know that the person I’m talking to can understand what is being said is used more often in EFL context). The results also showed that a diversity of additional LLSs were differently used in each learning context. The findings revealed that learning contexts have influence on strategy choice. Furthermore, insights for future LLS research in contexts were offered.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,130
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,018
Tête enseignante GPT0,264
Écart entre enseignants0,245 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of English LanguageMême sujetEFL/ESL Teaching and LearningTravaux en français237 207